Diseños

Nos indica la varianza de la variable dependiente (Y) explicada sólo por la primera variable independiente (X₁) (eliminando la varianza explicada por X₂ de Y, pero no de X₁). correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado.

Nos indica la varianza de la variable dependiente (Y) explicada sólo por la segunda variable independiente (X₂) (eliminando la varianza explicada por X₁ de Y, pero no de X₂). correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado.

Nos indica la varianza de la variable dependiente (Y) explicada sólo por la primera variable independiente (X₁) (eliminando la varianza explicada por X₂ de Y y la varianza explicada por X₁ de Y). correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado.

Nos indica la varianza de la variable dependiente (Y) explicada sólo por la segunda variable independiente (X₂) (eliminando la varianza explicada por X₁ de Y y la varianza explicada por X₂ de Y). correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado.

Nos indica la capacidad predictiva de las variables independentes (X₁ y X₂) sobre la variable dependiente (Y). correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado. recta de regresión múltiple Y' = B₁X₁ + B₂X₂ - Bo. coeficiente Bo. coeficiente para X₁. coeficiente para X₂.

Nos indica el porcentaje de varianza que la recta de regresión múltiple es capaz de explicar. correlación semiparcial para X₁. correlación semiparcial para X₂. correlación parcial para X₁. correlación parcial para X₂. coeficiente de determinación multiple. coeficiente de determinación multiple ajustado. recta de regresión múltiple Y' = B₁X₁ + B₂X₂ - Bo. coeficiente Bo. coeficiente para X₁. coeficiente para X₂.

¿Qué obtenemos cuando elevamos al cuadrado los coeficientes de correlación entre las variables?.

A la probabilidad de rechazar una hipótesis nula falsa se le denomina: Nivel de confianza. Potencia del contraste. Beta.

El valor complementario de la probabilidad de cometer un error tipo II se le denomina: Nivel de confianza. Potencia del contraste. Beta. Nivel de significación.

La probabilidad de rechazar una hipótesis nula que es verdadera recibe el nombre de: Nivel de confianza. Potencia del contraste. Beta. Nivel de significación.

Empareja los complementarios: Nivel de confianza. 1 - α. Potencia del contraste. 1 - β.

El error que supone rechazar una hipótesis nula cuando es verdadera.

El error que supone aceptar una hipótesis nula cuando es falsa.

Es la decisión correcta de rechazar la hipótesis nula cuando es falsa.

Es la decisión correcta de no rechazar la hipótesis nula cuando es verdadera.

a la probabilidad de rechazar una hipótesis nula falsa se le denomina. nivel de confianza. potencia del contraste. beta.

el máximo error que el investigador está dispuesto a admitir para rechazar una hipótesis nula que es verdadera recibe el nombre de. potencia del contraste. error tipo II. nivel de significación.